"L'analyse de rentabilisation de l'IA" est une bonne introduction à la gestion de l'intelligence artificielle dans le monde réel

Trop de technologues, dans chaque génération de technologie, affirment que la direction doit penser davantage comme des programmeurs. Ce n’est pas le cas. Les professionnels de la technologie doivent plutôt apprendre à parler à la direction. “The Business Case for AI”, de Kavita Ganesan, PhD, est un bon aperçu pour les gestionnaires souhaitant comprendre et contrôler les complexités de la mise en œuvre de systèmes d’intelligence artificielle (IA) dans les entreprises.

Je suis toujours sceptique vis-à-vis des livres auto-édités. Habituellement, cela signifie que les livres ne sont tout simplement pas bons. Cependant, parfois, en particulier dans la non-fiction, cela signifie que les éditeurs n’ont aucune idée du sujet et hésitent à travailler avec des personnes qui ne sont pas des “noms”. Ce livre est un exemple de la deuxième option, et il donnera à la direction une introduction aux concepts entourant l’IA et comment aborder la mise en œuvre d’une manière qui augmentera les chances de succès des initiatives d’IA.

L’indication que l’auteur vit principalement dans le monde réel vient rapidement. Le premier chapitre est une bonne introduction à ce qui compte pour les entreprises en matière d’IA. Oubliez l’accent technique, il s’agit de résoudre les problèmes de manière efficace et rentable.

Chapitre 2, « Qu’est-ce que l’IA ? » n’est pas mal non plus, même si je ne suis pas d’accord avec l’idée que l’apprentissage automatique (ML) fait partie de l’IA. La Business Intelligence (BI) a fait progresser, parallèlement aux performances informatiques, que les analyses standard fournissent des informations que l’on peut appeler ML, de sorte que ML et IA se chevauchent. Ceci, cependant, est un argument religieux et ce que Ganeson a à dire sur l’IA est d’un bon niveau pour la compréhension de la direction.

Le chapitre le plus faible de l’introduction est le quatrième, où l’accro à la science-fiction en moi a dû soupirer devant “des films tels que ‘I Robot'”. Ummm, vérifiez votre bibliothèque.

La liste des mythes de ce chapitre est également un peu problématique. Le premier, sur la perte d’emploi, est le seul domaine où il montre que la partie du monde réel dans laquelle l’auteur existe n’est pas celle dans laquelle la plupart des gens se trouvent. La révolution de l’IA est très différente de la révolution industrielle et des révolutions technologiques précédentes. Elle parle d’intelligence artificielle générale (AGI) et dit que, comme c’est encore loin, cela signifie que beaucoup d’emplois ne seront pas perdus. Nous n’avons pas besoin d’AGI pour remplacer les emplois.

Les prochains chapitres sont bons pour mettre en place des exemples de processus métier qui pourraient être impactés par l’IA. J’ai un problème avec les entreprises qu’elle décide de nommer et celles qui restent anonymes, car cela semble impliquer la protection des clients. La meilleure partie était une bonne discussion sur les opérations informatiques et de fabrication, mais cela aurait pu être amélioré en discutant des opérations d’infrastructure telles que les pipelines et le réseau électrique.

La partie 3 (chapitres 7 à 9) est très bonne mais, encore une fois, il y a quelques points à garder à l’esprit. À la page 117, six phases du cycle de vie du développement sont définies. Je suis d’accord avec eux, mais je tiens à souligner que l’acquisition de données et le développement de modèles, phases 2 et 3, peuvent se faire un peu en parallèle. Les choses que vous apprenez de chacun peuvent avoir un impact sur l’autre. L’autre problème est que l’auteur semble utiliser l’entrepôt de manière incorrecte. Les entrepôts de données ont un objectif spécifique et plus étroit. Lorsqu’elle utilise le terme, pensez au lac de données. L’importance de la journalisation, des transactions et plus, est souvent ignorée, et la fin de cette section du livre a une bonne explication de son importance.

La quatrième partie du livre est un ensemble de chapitres qui approfondissent la partie « trouver des projets d’IA » du processus d’analyse, et est bien présentée.

La dernière section comporte deux chapitres. Le premier concerne « construire v acheter ». Il n’est pas surprenant qu’une consultante penche pour le build, c’est son gagne-pain. Ce que les managers doivent comprendre, c’est que les entreprises ne sont pas aussi uniques qu’ils le pensent. Il y a des choses uniques, mais la grande majorité des entreprises sont comme les autres entreprises. L’IA est une nouvelle technologie et il n’y a pas assez d’outils faciles à utiliser pour prendre une décision d’achat dans de nombreux domaines, mais cela changera avec le temps. Les managers doivent avoir une compréhension flexible de l’équation et de l’équilibre dans le monde réel.

Le dernier chapitre est, comme prévu, un bon résumé et un retour à la focalisation sur les résultats commerciaux. Il continue l’utilisation par l’auteur de bons graphiques simples pour montrer les points de ses arguments. Indépendamment des problèmes que j’ai mentionnés ci-dessus, le livre fait un excellent travail pour présenter les défis de l’intelligence artificielle d’un point de vue commercial. Le livre ne plonge pas profondément dans les algorithmes ou d’autres détails qui n’ont pas d’importance pour la direction, alors qu’il fournit un cadre pour examiner les projets d’IA à travers une lentille commerciale qui intègre la technologie dans les organisations d’une manière qui ne laisse pas tout au technologue. “The Business Case for AI” est une bonne introduction pour les responsables informatiques et opérationnels pour réfléchir à la manière d’intégrer l’intelligence artificielle dans leurs organisations.